用 re.sub 替换命名的捕获组

Question

我想替换字符串中匹配的 re 模式的文本，可以使用 re.sub() 来完成。如果我在调用中将函数作为 repl 参数传递给它，它会按需要工作，如下所示：

from __future__ import print_function
import re

pattern = r'(?P<text>.*?)(?:<(?P<tag>\w+)>(?P<content>.*)</(?P=tag)>|$)'

my_str = "Here's some <first>sample stuff</first> in the " \
            "<second>middle</second> of some other text."

def replace(m):
    return ''.join(map(lambda v: v if v else '',
                        map(m.group, ('text', 'content'))))

cleaned = re.sub(pattern, replace, my_str)
print('cleaned: {!r}'.format(cleaned))

输出：

cleaned: "Here's some sample stuff in the middle of some other text."

但是从文档看来，我应该能够通过将替换字符串传递给它并引用其中的命名组来获得相同的结果。但是我尝试这样做并没有奏效，因为有时一个组是不匹配的，并且为它返回的值是None（而不是一个空字符串''）。

cleaned = re.sub(pattern, r'\g<text>\g<content>', my_str)
print('cleaned: {!r}'.format(cleaned))

输出：

Traceback (most recent call last):
  File "test_resub.py", line 21, in <module>
    cleaned = re.sub(pattern, r'\g<text>\g<content>', my_str)
  File "C:\Python\lib\re.py", line 151, in sub
    return _compile(pattern, flags).sub(repl, string, count)
  File "C:\Python\lib\re.py", line 278, in filter
    return sre_parse.expand_template(template, match)
  File "C:\Python\lib\sre_parse.py", line 802, in expand_template
    raise error, "unmatched group"
sre_constants.error: unmatched group

我做错了什么或不理解？

Answer 1

def repl(matchobj):
    if matchobj.group(3):
        return matchobj.group(1)+matchobj.group(3)
    else:
        return matchobj.group(1)

my_str = "Here's some <first>sample stuff</first> in the " \
        "<second>middle</second> of some other text."

pattern = r'(?P<text>.*?)(?:<(?P<tag>\w+)>(?P<content>.*)</(?P=tag)>|$)'
print re.sub(pattern, repl, my_str)

您可以使用re.sub的调用功能。

编辑： cleaned = re.sub(pattern, r'\g<text>\g<content>', my_str) 这将不起作用，因为当字符串的最后一位匹配时，即 of some other text. 定义了 \g<text> 但没有 \g<content> 因为没有内容。但你仍然要求 re.sub 这样做。所以它生成错误。如果您使用字符串"Here's some <first>sample stuff</first> in the <second>middle</second>"，那么您的print re.sub(pattern,r"\g<text>\g<content>", my_str) 将作为\g<content> 一直在这里定义。

Answer 2

如果我理解正确，您想删除 < > 之间的所有内容：

>>> import re

>>> my_str = "Here's some <first>sample stuff</first> in the <second>middle</second> of some other text."

>>> print re.sub(r'<.*?>', '', my_str)

Here's some sample stuff in the middle of some other text.

稍微解释一下这里发生了什么......r'<.*?>'：

< 找到第一个 <

. 然后接受任何字符

* 接受任意字符任意次数

? 将结果限制为尽可能短，如果没有这个，它将一直持续到最后一个 > 而不是第一个可用的

>找到结束点>

然后，将这两点之间的所有内容替换为空。